一维梯度转特殊二维梯度：现成工具与高效实现问询

需将一维颜色梯度数组（用数值简化表示）转换为对角线递增的二维数组，要求二维数组的行数×列数等于一维数组长度。

示例1 #

一维数组：

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]

转换为5×3的二维数组：

[[  1,  2,  4 ],
 [  3,  6,  7 ],
 [  5,  9, 10 ],
 [  8, 12, 13 ],
 [ 11, 14, 15 ]]

或3×5的二维数组：

[[  1,  2,  4,  7, 10 ],
 [  3,  6,  9, 12, 13 ],
 [  5,  8, 11, 14, 15 ]]

示例2 #

一维数组：

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]

转换为4×4的二维数组：

[[  1,  2,  4,  7 ],
 [  3,  6,  9, 11 ],
 [  5, 10, 13, 14 ],
 [  8, 12, 15, 16 ]]

核心疑问 #

• 是否有现成的Python模块或C库可实现此类数组重塑？
• 若需自行编码，针对256³规模的序列，最高效实现方式是什么？
• 是否有公开可用的此类转换代码？

1. 现成模块/库 #

目前没有专门针对这种对角线递增式数组重塑的主流Python模块或C库。这类属于特定业务逻辑的数组重排，不属于通用数组操作范畴，NumPy等通用数值计算库也没有直接对应的API。

2. 256³规模的高效实现方式 #

256³=16777216，属于较大规模数组，必须用向量化操作而非Python循环实现，首选基于NumPy的方案：

• 核心思路：先计算二维数组每个位置(i,j)对应的一维数组索引，再通过索引直接取值，完全依托NumPy底层C实现规避Python循环开销。
• 具体步骤：
  1. 用np.meshgrid生成二维网格的行索引矩阵I和列索引矩阵J；
  2. 计算每个位置的sum_ij = I + J，按sum_ij从小到大排序，同组内按i排序；
  3. 将一维数组按排序后的顺序填充到二维数组对应位置。

3. 实现代码示例 #

目前没有专门公开的此类转换代码，但可基于上述思路快速实现，以下是NumPy版本的实现：

import numpy as np

def diagonal_reshape(arr, rows, cols):
    if rows * cols != len(arr):
        raise ValueError("Rows * Cols must equal length of input array")
    # 生成网格索引矩阵
    I, J = np.meshgrid(np.arange(rows), np.arange(cols), indexing='ij')
    # 按sum(i+j)、i的顺序排序，得到一维数组的索引顺序
    sorted_indices = np.lexsort((I.ravel(), (I + J).ravel()))
    # 重塑为目标二维数组
    return arr[sorted_indices].reshape(rows, cols)

# 测试示例
test_arr = np.arange(1, 17)
print(diagonal_reshape(test_arr, 4, 4))

内容的提问来源于stack exchange，提问作者user7711283